Automatisierte Analyse von Malerei

Das Hauptthema dieses Projektes ist das automatisierte Studium von Malereien und Zeichnungen, wie sie von menschlichen Künstlern produziert wurden. Wir bezeichnen Malereien und Zeichnungen im weiteren kurz als Bilder. - Analyse allgemeiner und strukturbezogener Eigenschaften eines Bildes (z.B. Farbe und Farbverteilung, Unterteilung in Regionen und deren Beziehungen zueinander, Linien in einem Bild, Unterscheidung zwischen isolierten Linien und Trennlinien). Insbesondere untersuchen wir die Beziehung zwischen Farbe und visuellem Eindruck eines Bildes (nach Itten). - Ausführliche Untersuchung einzelner Objekte wie Regionen (z.B. Textur, Gestalt) und Linien (z.B. Dicke, Krümmung, Textur, Länge, Ecken, Einheitlichkeit). Insbesondere wollen wir Zeichnungen von gemalten Bildern unterscheiden. - Suche nach gewissen Objekten in einem Bild (z.B. Personen, Tiere, Gesichter, Augen, Bäume). - Untersuchung von ca. 50 Bildern (entstanden in einer Zeitperiode von einigen Jahren) eines bestimmten Künstlers (z.B. Schiele) unter Verwendung von künstlichen neuronalen Netzwerken (KNN) . - Identifizierung der untersuchten Bilder unseres gewählten Künstlers aus einer größeren Sammlung von Bildern (mindestens 500) unter Verwendung von KNNs. - Studium der gelernten KNN Topologie und Ableitung expliziter Regeln. - Anwendung dieser Methode auf andere Künstler. Es handelt sich hier um ein interdisziplinäres Projekt, welches Ideen und Methoden der Kunstwissenschaft mit Informatik, Mathematik und Wahrnehmungspsychologie kombiniert. Die Grundideen unseres Ansatzes basieren jedoch auf Methoden der angewandten Mathematik und Mustererkennung, wobei ein möglichst hoher Grad an Automatisierung angestrebt wird.

Das Ziel: Hauptanliegen dieses Projektes war es, den Malers eines Bildes nur mit Hilfe eines Computers zu finden. Der Beginn: Wir hatten eine Sammlung von über 500 Zeichnungen und Gemälden von 12 Künstlern (darunter 3 Kinder). Die Bilder wurden mit einem Scanner digitalisiert. Die Methode: Wir gingen schrittweise vor: - Analyse allgemeiner und struktureller Eigenschaften eines Bildes - Feinanalyse gewisser Objekte, insbesondere von Linien in einem Bild - Suche nach besten Eigenschaften für die Klassifikation nach dem Maler - Studium weiterer wichtiger Eigenschaften eines Bildes. Insgesamt bestimmten wir 84 Eigenschaften für jedes Bild. Allgemeine Ergebnisse: Allgemeine theoretische Überlegungen und praktische Experimente legten schließlich eine Klassifikation mit 4 - 6 Eigenschaften nahe, nämlich Farbeigenschaften (Färbigkeit), strukturelle Eigenschaften (fraktale Dimension und Kantendichte), Aufteilung des Bildes (Cooccurrence). Mit unserer Methode hatten wir eine Erfolgsrate von über 85 %, um den wirklichen Maler eines Bildes zu finden. Einzelergebnisse: Linien in einem Bild: Wie finde ich Linien in einem Bild (das ist insbesondere schwierig, wenn sich die Linien überschneiden: wie geht eine Linie nach einer Kreuzung weiter ?). Linien sind unter anderem so etwas wie die persönliche Handschrift des Künstlers. Was ist der interessanteste Teil eines Bildes? Zur Klassifikation eines Bildes genügt in fast allen Fällen dieser interessante Teil (damit wird die Datenmenge viel kleiner!). Ähnlichkeit von Bildern: Wir haben ein Maß für die Ähnlichkeit von zwei Bildern entwickelt. Eine Präsentation unserer Ergebnisse erfolgte auf drei internationalen Tagungen, es entstanden vier Publikationen. Einem breiten Publikum wurden unsere Methoden bei unihautnah vom 4. - 6. Nov. 2004 in Salzburg vorgestellt. Details: http://www.unihautnah.sbg.ac.at/mathematik/index.html Die Zukunft: z.B. Suche eines Bildes im Internet, Feststellen des Malmaterials.. Viele unserer Methoden sollten für Museen und Schulen interessant sein. Vielleicht hilft das jungen Menschen, sich mehr für Kunst zu interessieren, indem sie mit Bildern spielerisch über einen Computer umgehen können.